加速度傳感器參數(shù)非線性時間序列模型預(yù)測與實(shí)現(xiàn).pdf

1、加速度表廣泛應(yīng)用于慣性導(dǎo)航系統(tǒng)中，加速度表精度的提高對提高慣性導(dǎo)航控制精度具有很高的重要性。為提高加速度表的精度，一方面可以進(jìn)一步改進(jìn)加速度表的設(shè)計和生產(chǎn)工藝，另一方面可以對加速度表的參數(shù)進(jìn)行補(bǔ)償。經(jīng)研究發(fā)現(xiàn)，加速度表參數(shù)的時間序列具有很強(qiáng)的非線性特點(diǎn)，使用傳統(tǒng)的線性模型，難以達(dá)到很高的建模精度。因此本論文提出對加速度表參數(shù)進(jìn)行非線性時間序列建模，以提高建模和預(yù)測精度。
　　本論文以石英撓性加速度表為研究對象，研究并設(shè)計了加速度表

2、靜態(tài)參數(shù)的標(biāo)定方法，編寫了加速度表數(shù)據(jù)采集軟件系統(tǒng)，以獲得研究所需要的加速度表的零偏和標(biāo)度因數(shù)；由于加速度表參數(shù)的時間序列具有很強(qiáng)的非線性特點(diǎn)，提出了使用非線性時間序列進(jìn)行建模。在非線性時間序列算法研究中，在傳統(tǒng) BP神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上增加延時環(huán)節(jié)使其具有記憶歷史數(shù)據(jù)的能力，建立了NAR神經(jīng)網(wǎng)絡(luò)對參數(shù)進(jìn)行建模；在AR模型的基礎(chǔ)上加入小波神經(jīng)網(wǎng)絡(luò)，建立了小波神經(jīng)網(wǎng)絡(luò)與 AR組合模型，該模型利用AR模型擬合其線性部分，用小波神經(jīng)網(wǎng)絡(luò)擬合其非線